基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。     

无人机激光无线能量传输及跟踪瞄准方法研究

本文介绍了无人机的特点与发展趋势,针对小型无人机能量供给不足的问题,阐述了激光无线能量传输的现状,在此基础上总结了无人机激光无线能量传输的系统结构,分析了无人机激光无线能量传输系统的效率及影响因素,并提出了一种基于协作目标的捕获跟踪瞄准方法。     

多波长固体自拉曼激光器的激光晶体热破裂研究

基于小型化多波长选择输出的Nd∶YVO4固体自拉曼激光器,理论分析了其激光晶体内的热应力分布,得出热破裂易发生的位置,与实验结果吻合。搭建实验平台研究了激光晶体热破裂对激光器各个波长激光输出功率的影响。实验结果表明,热裂前后1 064nm基频光阈值及输出功率变化不大,而532、559及588nm激光阈值分别由0.2W升至0.43W、0.3W升至1.5W和0.3W升至1.5W,最大输出功率分别由560mW降至131mW、600mW降至50mW及200mW降至26mW。     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

基于碳化硅MOSFET的99.2%高效率功率因数校正器

半桥功率因数校正PFC(power factor correction)拓扑由于其具有较少的电流回路器件数,因而导通损耗小、效率高。但是,该拓扑中开关器件电压应力大,因此如果选用高压的IGBT作为开关器件,则开关损耗很大。新型的碳化硅MOSFET由于兼顾了高耐压与低通态电阻,其具有较小的开关损耗,可以降低开关损耗,尤其是关断损耗。但由于高频工作时其开通损耗仍然较大,严重制约变换器效率的提高。因此,利用碳化硅MOSFET优良的开关特性,采用电感电流三角波模式(TCM)的控制方式,使器件工作在零电压开通状态下,进一步降低开关损耗。针对这种控制方式,详细叙述了各个关键参数的计算,并设计搭建了一台1 100 W的全碳化硅半桥功率因数校正变换器,其达到了较高的效率,峰值效率达到了99.2%。     

解非线性约束规划问题的分组粒子群算法

文章运用分组粒子群的方法来解决非线性约束规划问题,将粒子群分成几个小组分别进化,几个小组的参数各自随机产生。在一定的间隔时刻对各个小组的粒子进行重新分组和参数的调整,并根据收敛性检查的情况将劣质粒子淘汰重新初始化,这不仅有助于在不同环境进化出的粒子相互取长补短,而且可以有效的防止陷入局部最优。     

4-氨基-3-硝基苯酚的合成工艺改进

以对氨基苯酚为原料,经酰化、硝化、水解制得4-氨基-3-硝基苯酚,采用控制醋酐、硝酸的用量以及水解时加入乙醇做溶剂的方法,改进了工艺条件:n(对氨基苯酚)∶n(醋酐)∶n(发烟硝酸)=1∶3.3∶1.2,酰化时间2 h,硝化时间1.5 h;水解反应中物料比为n(3-硝基-4-乙酰胺基苯酚乙酯)∶n(氢氧化钠)∶n(乙醇)=1∶4∶15,水解时间1 h。与文献工艺条件相比,硝化反应中硝酸的用量减少为原来的1/5;水解反应时间缩短到原来的1/4,总收率从58.2%提高到69.4%。     

高光谱解混方法研究

高光谱图像的空间分辨率较低,导致大量混合像元存在于高光谱图像中。混合像元的存在是使高光谱图像目标分类准确率降低的主要原因之一。高光谱像元解混在高光谱遥感图像处理中具有非常重要的意义。高光谱像元解混主要分为线性和非线性光谱解混两种方法,研究最广泛的是线性光谱解混。归纳了线性光谱解混的两个步骤:（1）提取纯净像元中地物的光谱信号,即提取端元,这是关键步骤;（2）利用端元的加权线性组合对混合像元进行光谱解混,即丰度反演。简述了端元提取及丰度反演研究的主要进展,介绍了端元提取的几种典型算法。通过归纳、对比和分析,总结了不同端元提取方法的特点,并对高光谱解混的研究前景进行了展望。